Putri Sapria Anum Primary Author mixed material bibliography Banda Aceh Fakultas Pertanian 2025 id Indonesia

Skripsi

Kopi merupakan hasil perkebunan yang memiliki peran signifikan di pasar Internasional, dimana Indonesia menjadi salah satu negara eksportir terkemuka. Tingkat kematangan buah kopi sangat berpengaruh terhadap kualitas aroma, rasa, serta nilai jual kopi. Penilaian tingkat kematangan buah kopi biasanya masih dilakukan dengan pendekatan tradisional secara manual berdasarkan pengamatan visual terhadap warna dan tekstur kulit buah. Meskipun umum digunakan, cara ini tidak lepas dari subjektivitas, kurangnya keseragaman, dan memerlukan waktu yang cukup lama saat diterapkan pada jumlah yang banyak. Seiring dengan perkembangan teknologi, metode pengolahan citra dan kecerdasan buatan seperti Convolutional Neural Network (CNN) semakin banyak dimanfaatkan sebagai solusi yang efisien dan akurat dalam klasifikasi citra. Tujuan dari penelitian ini adalah membangun model klasifikasi menggunakan metode CNN yang mampu mengenali pola warna dan bentuk buah kopi dengan akurasi yang tinggi. Dataset citra diklasifikasikan ke dalam tiga kategori: mentah, setengah matang, dan matang. Jumlah seluruh data citra yang digunakan dalam penelitian ini sebanyak 1680 citra dengan data latih sebesar 70%, data latih 15% dan data uji 15% dari total dataset. Performa model ditunjukkan dengan nilai akurasi dan kerugian yang diukur dalam akurasi, recall, presisi, dan F1-score. Hasil pengujian menunjukkan bahwa model yang dirancang menghasilkan akurasi sebesar 97,22%, dengan rata-rata presisi mencapai 97,32%, recall dan F1-score sebesar 97,21%. COFFEE - COMMERCIAL PROCESSING - TECHNOLOGY 663.93 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 159061 2025-07-08 16:47:55 2025-07-09 10:08:41 machine generated